人工智能让育种物美价廉

卷积神经网络模型预测二元化基因表达量：开启智能育种新纪元

自作物被驯化以来，人类始终致力于培育集多种优良性状于一体的作物品种。随着DNA分子结构模型的发现，我们开始从基因和分子层面解码作物的生命奥秘，希望通过精准调控基因来获得预期的作物表型。如何精准调控作物基因，以及如何预测基因变异后的作物生长状况，一直是困扰育种学家的难题。最近，中国农业科学院生物技术研究所的汪海副研究员与团队开发出一种基于卷积神经网络的人工神经网络模型，该模型可从基因组DNA序列预测基因表达调控模式，有望借助人工智能（AI）技术实现定向育种。

传统的育种方法主要依赖于经验和观察，被称为“经验育种”。这种方法虽然曾为作物改良和粮食安全保障做出了巨大贡献，但其效率和精准度仍有待提高。随着分子生物学和基因工程的兴起，作物育种进入了分子定向育种时代。科学家们开始寻找控制作物最佳性状的基因，对其进行标记和追踪，以实现对单一目标性状的基因改良。随着高通量基因组测序技术的发展，如何有效利用海量的基因组数据，以及如何精准预测基因组合的效果，仍是育种家面临的挑战。

汪海表示，明确哪些分子标记与哪些性状相关联，需要借助深度学习模型来助力。该模型可以突破人类经验的局限，更加精准高效地预测作物育种。借助计算机算法建立的深度学习模型可以解析复杂的基因组数据，通过模拟分子生物学过程来预测直接造成表型的因果变异。这对于针对因果变异进行基因组编辑、将有利自然变异引入现有育种材料具有重要意义。

传统的基于线性模型的机器学习方法在某些情况下存在局限性，特别是在处理复杂的生物学过程和海量的基因组数据时。而深度学习模型则能够克服这些难点，通过自身强大的数据挖掘能力解析基因组序列中的复杂特征。研究人员通过基因家族为单位的数据分配策略，解决了进化依赖造成的模型过拟合问题，进一步利用多种算法解析模型，成功找到了调控基因表达的关键DNA基序。

与传统的田间试验相比，人工神经网络模型可以在计算机上进行虚拟诱变和预测变异的后果。这大大降低了育种的成本和风险，提高了育种的效率和精准度。育种家可以利用这一模型先挑选符合预期目标的变异序列进行实验验证，实现低成本、定点定向的设计育种。

作物优良基因的挖掘方法的这一突破代表了未来的发展方向。以人工神经网络为代表的新一代人工智能技术正推动作物育种走向智能化的“4.0”时代。在这个新时代，我们将能够更精准地预测和控制作物的基因表达，培育出更加优质、高产、抗性强等性状于一体的作物品种，为全球的粮食安全和农业发展做出更大的贡献。教授王向峰在中国农业大学的作物基因组与生物信息学系，以玉米为例，深入解读了育种“4.0时代”的内涵。这一时代依托人工智能、基因组测序和基因编辑技术，实现了玉米组学基因型和表型大数据的迅速累积。通过整合遗传变异等数据，精准挖掘作物性状调控基因并预测表型表现。借助人工改造基因元器件和合成基因回路，作物被赋予了新的抗逆和高效生物学特性。全基因组层面的机器学习预测模型，更是创新了智能组合优良等位基因的自然变异、人工变异及数量性状位点的育种方案。

而在人工智能技术在育种方面的应用，美国的一些农业公司，如曾经的孟山都公司，已经走在了前列。他们利用人工智能筛选最具开发潜力的品种分子进行田间测试，大大提升了育种的效率和准确性，为农民带来了实实在在的收益。他们还借助机器学习和预测建模技术，迅速为农民提供数字化解决方案。

“中国要实现应用还有一段路程要走。”李建生表示，与国外的农业公司相比，中国的种业公司在规模、技术和人才方面仍有较大差距。在推进高通量基因筛选与预测的也需要针对中国种业的实际情况，改良适合的发展模型和方法。对此，汪海也表达了类似的观点，他提到目前国内外在基因组学中广泛应用人工智能技术的深度学习等才刚刚起步。跨领域人才的匮乏和农业领域数据积累不足是阻碍发展的两大难题。

对此，王海洋建议研究人员在育种过程中不仅要保存优质品种的数据，也要保存非理想型品种的全套基因组和表型数据。为了推进智能化育种的发展，建立标准化的大数据体系是至关重要的。但在实际操作中，农业数据的采集并不容易，存在数据不统一、真实性难以保证、不开放共享等问题。除了积累数据，更重要的是对数据进行规范化采集处理、存储与管理，并建立开放共享的数据库。只有这样，才能在大数据的时代背景下，推进智能化育种的发展，真正迈向育种“4.0时代”。